論文の概要: EJAI: Judgment-Preserving Civic AI for Data Center Environmental Justice
- arxiv url: http://arxiv.org/abs/2611.13525v2
- Date: Wed, 11 Nov 2026 14:21:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:32.903178
- Title: EJAI: Judgment-Preserving Civic AI for Data Center Environmental Justice
- Title(参考訳): EJAI:データセンター環境正義のための判断保存型市民AI
- Abstract要約: EJAIは、インタラクティブマップ、証拠検索、欠落データステートメント、および2人のステークホルダーペルソナをリンクするソースグラウンドシステムである。
21のクエリの小さな機能ベンチマークでは、検索されたエビデンスは98.4%の事実主張を支持し、33件中32件で行方不明のエビデンスを認めた。
以上の結果から,市民AIは,証拠,ギャップ,不一致を検査に開放した場合に,公開推論の準備を支援することができることが示唆された。
- 参考スコア(独自算出の注目度): 0.5437050212139086
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Communities in the United States and around the world are contesting data centers, the physical infrastructure of AI. These disputes pose environmental justice issues: residents must weigh unevenly distributed burdens using evidence scattered across metrics, corporate claims, policy documents, and public testimony. A formative study with 10 users showed that dashboards and single-agent AI can settle questions before people examine that evidence. Here we present EJAI, a source-grounded system that links an interactive map, retrieved evidence, missing-data statements, and two stakeholder personas that allow people to inspect evidence and form their own policy recommendations. In a small functional benchmark of 21 queries, retrieved evidence supported 98.4% of factual claims and the system acknowledged missing evidence in 32 of 33 cases. Persona alignment carried a grounding cost: the Corporate Executive omitted some evidence that conflicted with its assigned priorities. In a within-subjects study, 15 participants acting as residents prepared for a simulated town hall. Some checked cited AI claims while treating map metrics as official, some made conditional recommendations with safeguards such as water-use disclosure, and some found the personas simplified or biased. Our results suggest that civic AI can support preparation for public reasoning when it makes evidence, gaps, and disagreement open to inspection, and that corpus imbalance and two-sided personas remain open justice concerns.
- Abstract(参考訳): 米国と世界中のコミュニティが、AIの物理的なインフラであるデータセンターに挑戦している。
住民は、メトリクス、企業の主張、政策文書、および公の証言に散在する証拠を用いて、均等に分散した負担を計らなければならない。
10人のユーザによるフォーマティブな調査では、ダッシュボードとシングルエージェントAIが、その証拠を調べる前に質問を解決できることが示されている。
ここでは,インタラクティブマップをリンクし,エビデンスを検索し,不在データステートメントと,エビデンスを検査し,独自のポリシーレコメンデーションを作成するためのステークホルダーペルソナを提示する。
21のクエリの小さな機能ベンチマークでは、検索されたエビデンスは98.4%の事実主張を支持し、33件中32件で行方不明のエビデンスを認めた。
コーポレート・エグゼクティブは、割り当てられた優先順位と矛盾するいくつかの証拠を省略した。
試行錯誤調査では、市民として行動する15人の参加者が、シミュレートされた市役所の準備をしていた。
地図のメトリクスを公式なものとして扱いながら、AIの主張を引用する者もいれば、水利用開示などの安全対策を条件付きで推奨する者もいれば、ペルソナの簡略化や偏見を指摘する者もいた。
以上の結果から, 市民AIは, 証拠, ギャップ, 意見の相違を点検し, コーパスの不均衡と両面のペルソナがオープンな司法上の懸念を抱いている場合に, 公開推論の準備を支援することができることが示唆された。
関連論文リスト
- From Protocols to Evidence: Bounded Claims for AI in Service of the Common Good [30.6027944662133]
人工知能システムが意思決定を改善するという主張は、彼らの評価が確立したものを超える可能性がある。
我々は、明示的な人間および非AIベースラインに対するデプロイメントを評価する破断テストを開発する。
評価対象の主張を制限するエビデンスバウンドのデプロイメントと,測定バウンドのガバナンスを区別する。
論文 参考訳(メタデータ) (2026-09-10T17:56:36Z) - Credible, Not Always Correct: How Reddit Users Verify AI-Generated Legal Advice [0.46976113832881716]
大規模言語モデル (LLMs) は、現実の法的問題を解決するために、日常的な人々によってますます使われている。
本稿では,AIによる法的助言の実践的力は,その正確性だけでなく,信頼性の社会的生産にも依存することを示す。
論文 参考訳(メタデータ) (2026-08-13T15:33:12Z) - From Process to Evidence: How Computing Can Ground Appropriate Reliance on Legal AI [0.0]
1500件以上のAI幻覚事件の後、弁護士は慎重に独立したAI支援申請の審査を行うよう指示された。
「これらの義務を解き放つには、人間とコンピュータの相互作用の文献が適切な依存と呼ぶものが必要である。」
我々は、ニューヨーク裁判所制度の公式な記録を分析した。
論文 参考訳(メタデータ) (2026-07-30T22:24:59Z) - Barriers to Evidence in AI-Related Cases and the Privatization of Proof [1.9283182225040678]
証拠は訴訟の中核にあるが、AIに関する論争で入手することはますます困難になっている。
アクセス、リソース、専門知識の非対称性が、AI関連のケースにおける証拠に対する重要な障壁をいかに生み出すかを検討する。
訴訟におけるAIアクセス紛争の解決を支援する三部テストを提案する。
論文 参考訳(メタデータ) (2026-05-20T23:33:44Z) - When AI reviews science: Can we trust the referee? [73.47745294608072]
私たちは、トレーニングとデータ検索、デスクレビュー、深いレビュー、反論、システムレベルといった、レビューライフサイクル全体のアタックをマップします。
評価スコアに高名度フレーミング, 断定力, 反抗薬効, 文脈中毒の因果効果を分離するために, 2つの高度なLCMベースの審判を用いた。
論文 参考訳(メタデータ) (2026-04-26T08:03:32Z) - Agents of Chaos [50.53354213047402]
実験室環境に展開する自律言語モデルを用いたエージェントの探索的再チームの研究を報告する。
20人のAI研究者が、良心的および敵対的な条件下でエージェントと対話した。
我々の発見は、現実的なデプロイメント設定におけるセキュリティ、プライバシ、ガバナンスに関連する脆弱性の存在を確立します。
論文 参考訳(メタデータ) (2026-02-23T16:28:48Z) - How Can AI Augment Access to Justice? Public Defenders' Perspectives on AI Adoption [6.949832807566659]
AIの採用は、コスト、限定的なオフィス規範、機密性リスク、不満足なツール品質に制約されていることが分かっています。
公の弁護側は、AIは圧倒的な量のデジタル記録を分析する証拠調査に最も有用だと考えている。
裁判所の表現と防衛戦略は、AI支援とはほとんど互換性がないと考えられている。
論文 参考訳(メタデータ) (2025-10-27T02:26:08Z) - Complex Claim Verification with Evidence Retrieved in the Wild [73.19998942259073]
Webから生の証拠を取り出すことによって,実世界のクレームをチェックするための,最初の完全自動化パイプラインを提示する。
私たちのパイプラインには,クレーム分解,生文書検索,きめ細かい証拠検索,クレーム中心の要約,正確性判定という5つのコンポーネントが含まれています。
論文 参考訳(メタデータ) (2023-05-19T17:49:19Z) - Synthetic Disinformation Attacks on Automated Fact Verification Systems [53.011635547834025]
本研究では,2つのシミュレーション環境において,自動ファクトチェッカーの合成正反対証拠に対する感度について検討する。
これらのシステムでは,これらの攻撃に対して大幅な性能低下がみられた。
偽情報の発生源としての現代のNLGシステムの脅威の増大について論じる。
論文 参考訳(メタデータ) (2022-02-18T19:01:01Z) - AmbiFC: Fact-Checking Ambiguous Claims with Evidence [57.7091560922174]
実世界の情報ニーズから10kクレームを抽出したファクトチェックデータセットであるAmbiFCを提示する。
アンビFCの証拠に対する主張を比較する際に,曖昧さから生じる不一致を分析した。
我々は,このあいまいさをソフトラベルで予測するモデルを開発した。
論文 参考訳(メタデータ) (2021-04-01T17:40:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。